KR102380599B1 - 교통 정보 분석 시스템 및 그에 관한 방법 - Google Patents

Abstract

본 문서에 개시된 일 실시 예에 따른 교통 정보 분석 시스템은 영상의 관심 영역에 제1 영역과 제2 영역을 설정하고, 제1 시점에 상기 제1 영역에서 교통 정보를 검출하는 데이터 처리부 및 상기 제1 시점으로부터 일정 시간 이전인 제2 시점에 상기 제2 영역에서 획득된 영상에 상기 교통 정보를 반영하여 학습 데이터를 생성하는 학습 데이터 관리부를 포함할 수 있다.

Description

교통 정보 분석 시스템 및 그에 관한 방법{SYSTEM FOR ANALYZING TRAFFIC INFORMATION, AND METHOD THEREOF}

본 문서에 개시된 실시예들은 교통 정보 분석 시스템 및 그에 관한 방법에 관한 것이다.

일반적으로 도로에 설치된 신호등의 신호 제어를 위해 차량의 진행 방향별 교통량, 속도, 수요 교통량 등의 다양한 정보가 사용될 수 있다. 그 중에서도 특히 수요 교통량은 다음 신호에 통과해야 할 차량의 수를 나타내므로 신호의 표시 주기와 현시 길이를 결정하는 데 있어서 중요한 인자이다.

이에 따라, 수요 교통량의 검출을 위해 도로에 설치된 카메라를 이용한 영상 분석을 통해 대기 중인 차량의 수를 직접 카운트하는 기술이 주목받고 있다. 통상적으로, 신호 제어에 필요한 수요 교통량은 최소 200m 이상의 도로에서 통행하는 차량의 교통량을 이용해야 신뢰성이 높아지는데, 일반적인 영상 분석의 경우 50m 내지 150m의 거리 내에 있는 차량만 검출이 가능하다는 한계점이 있다.

이러한 한계를 극복하기 위해, 원거리 영역에 있는 객체의 검출을 위해 카메라의 해상도를 올리는 경우에는 객체 크기 변화에 따른 격차가 더욱 확대되어 큰 객체에 대한 검출 성능이 낮아질 수 있으며, 고해상도 영상의 분석시 고가의 서버가 필요하다는 문제가 있다. 특히, 원거리 영상의 경우 객체들 간의 겹침 현상이 큰 문제인데, 이러한 문제를 해결하기 위해 무작정 카메라의 높이를 올릴 수 있는 환경 조건을 만들기도 어려울 수 밖에 없다.

본 문서에 개시된 실시예들은 수요 교통량을 산술적으로 계산하여 예측한 값이 아닌 영상 검지 기반의 실측값으로 획득함으로써 수요 교통량의 정확도를 향상시킬 수 있는 교통 정보 분석 시스템 및 그에 관한 방법을 제공하는 것을 일 목적으로 한다.

또한, 본 문서에 개시된 실시예들은 영상을 통해 교통 정보의 검출이 불가능한 원거리 영역의 교통량까지 측정할 수 있어 수요 교통량의 신뢰도를 향상시킬 수 있는 교통 정보 분석 시스템 및 그에 관한 방법을 제공하는 것을 일 목적으로 한다.

또한, 본 문서에 개시된 실시예들은 정확하고 신뢰성 있는 수요 교통량을 제공할 수 있어 최적의 신호 제어 환경을 구축할 수 있는 교통 정보 분석 시스템 및 그에 관한 방법을 제공하는 것을 일 목적으로 한다.

또한, 본 문서에 개시된 실시예들은 차량 및 보행자의 통행 정보, 교통 법규 위반 정보 및 방범 정보 등을 수집할 수 있어 다양한 교통 관련 서비스를 제공할 수 있는 교통 정보 분석 시스템 및 그에 관한 방법을 제공하는 것을 일 목적으로 한다.

본 문서에 개시된 실시예들의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.

본 문서에 개시된 일 실시 예에 따른 교통 정보 분석 시스템은 영상의 관심 영역에 제1 영역과 제2 영역을 설정하고, 제1 시점에 상기 제1 영역에서 교통 정보를 검출하는 데이터 처리부 및 상기 제1 시점으로부터 일정 시간 이전인 제2 시점에 상기 제2 영역에서 획득된 영상에 상기 교통 정보를 반영하여 학습 데이터를 생성하는 학습 데이터 관리부를 포함할 수 있다.

본 문서에 개시된 일 실시 예에 따른 교통 정보 분석 방법은 영상의 관심 영역에 제1 영역과 제2 영역을 설정하는 단계, 제1 시점에 상기 제1 영역에서 교통 정보를 검출하는 단계 및 상기 제1 시점으로부터 일정 시간 이전인 제2 시점에 상기 제2 영역에서 획득된 영상에 상기 교통 정보를 반영하여 학습 데이터를 생성하는 단계를 포함할 수 있다.

본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템 및 그에 관한 방법은 수요 교통량을 산술적으로 계산하여 예측한 값이 아닌 영상 검지 기반의 실측값으로 획득함으로써 수요 교통량의 정확도를 향상시킬 수 있는 효과가 있다.

또한, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템 및 그에 관한 방법은 영상을 통해 교통 정보의 검출이 불가능한 원거리 영역의 교통량까지 측정할 수 있어 수요 교통량의 신뢰도를 향상시킬 수 있는 효과가 있다.

또한, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템 및 그에 관한 방법은 정확하고 신뢰성 있는 수요 교통량을 제공할 수 있어 최적의 신호 제어 환경을 구축할 수 있는 효과가 있다.

또한, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템 및 그에 관한 방법은 차량 및 보행자의 통행 정보, 교통 법규 위반 정보 및 방범 정보 등을 수집할 수 있어 다양한 교통 관련 서비스를 제공할 수 있는 효과가 있다.

도 1은 본 문서에 개시된 일 실시예에 따른 교통 정보 관리 장치가 촬영 장치를 통해 도로의 영상을 획득하는 것을 나타내는 도면이다.
도 2는 본 문서에 개시된 일 실시예에 따른 관심 영역을 촬영하여 획득된 영상을 보여주는 도면이다.
도 3은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템의 구성을 나타내는 블록도이다.
도 4는 본 문서에 개시된 일 실시예에 따른 학습 데이터 관리부의 구성을 나타내는 블록도이다.
도 5는 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템에서 학습 데이터를 생성하는 동작을 설명하기 위한 도면이다.
도 6은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템에서 학습 데이터를 생성하는 방법을 예시적으로 설명하기 위한 도면이다.
도 7은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법을 나타내는 흐름도이다.
도 8은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법의 학습 데이터 관리 방법을 나타내는 흐름도이다.
도 9는 본 문서에 개시된 일 실시예에 따라 다양한 객체를 감지하는 교통 제어 시스템을 동작을 설명하기 위한 도면이다.
도 10은 본 문서에 개시된 일 실시예에 따라 감지된 객체를 이용하여 다양한 기능을 수행하는 교통 제어 시스템의 동작을 설명한다.
도 11은 본 문서에 개시된 일 실시예에 따른 운영 장치를 포함하는 교통 제어 시스템의 블록도이다.

이하, 첨부한 도면을 참조하여 본 문서에 개시된 다양한 실시 예들에 대해 상세히 설명하고자 한다. 본 문서에서 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

본 문서에 개시되어 있는 다양한 실시 예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 실시 예들을 설명하기 위한 목적으로 예시된 것으로, 본 문서에 개시된 다양한 실시 예들은 여러 가지 형태로 실시될 수 있으며 본 문서에 설명된 실시 예들에 한정되는 것으로 해석되어서는 아니 된다.

다양한 실시 예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 해당 구성 요소들을 한정하지 않는다. 예를 들면, 본 문서에 개시된 실시예의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성 요소로 바꾸어 명명될 수 있다.

본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.

기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 문서에 개시된 실시예들의 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미를 가지는 것으로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서에 개시된 실시 예들을 배제하도록 해석될 수 없다.

도 1은 본 문서에 개시된 일 실시예에 따른 교통 정보 생성 장치가 촬영 장치를 통해 도로의 영상을 획득하는 것을 나타내는 도면이다.

본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템(10)은 촬영 장치(100)와 교통 정보 생성 장치(200)를 포함할 수 있다. 또한, 교통 정보 분석 시스템(10)은 운영 장치(미도시)를 추가로 포함할 수 있다. 예를 들면, 운영 장치는 관제 센터에 마련될 수 있다.

도 1을 참조하면, 촬영 장치(100)는 관심 영역을 촬영할 수 있다. 예를 들면, 촬영 장치(100)는 관심 영역에 포함된 객체(예를 들면, 도로, 차량, 보행자 등)를 촬영할 수 있다. 이 때, 촬영 장치(100)는 사용자가 원하는 관심 영역의 영상을 촬영할 수 있도록 적절한 위치와 각도로 설치될 수 있다. 촬영 장치(100)는 촬영부(예를 들면, 카메라)를 포함할 수 있다. 도 1에서는 촬영 장치(100)가 신호등에 마련되는 것으로 나타내었으나, 이에 제한되는 것은 아니며 촬영 장치(100)는 도로를 촬영할 수 있는 임의의 위치에 설치될 수 있다.

또한, 촬영 장치(100)는 객체를 검출 및 식별하고, 객체의 위치나 속도 등을 측정할 수 있는 객체 검출 센서부(예를 들면, 레이더 등)를 포함할 수 있다. 이 경우, 객체 검출 센서부를 우선적으로 사용하여 관심 영역에 포함된 객체의 이동 거리와 속도 등을 측정하고, 객체 검출 센서가 정상적으로 작동하지 않을 경우에는 촬영 장치(100)의 촬영부를 통해 촬영된 영상을 분석하여 객체의 이동 거리와 속도 등을 측정하도록 구성될 수 있다.

촬영 장치(100)에 의해 촬영된 영상은 본 문서의 일 실시예에 따른 교통 정보 생성 장치(200)로 전송될 수 있다. 이 때, 촬영 장치(100)에 의해 촬영된 영상은 실시간으로 또는 일정 주기로 교통 정보 생성 장치(200)에 전송될 수 있다.

교통 정보 생성 장치(200)는 촬영 장치(100)로부터 획득한 영상에 기초하여 관심 영역의 교통 정보를 검출하고 학습 데이터를 생성할 수 있다. 이를 통해, 교통 정보 생성 장치(200)는 생성된 학습 데이터에 기반하여 관심 영역에 관한 교통 정보의 분석을 수행할 수 있다.

또한, 교통 정보 생성 장치(200)는 촬영 장치(100)가 설치된 현장(예를 들면, 교통 제어기 함체)이나 관제 센터에 설치된 운영 장치에 마련될 수 있다. 예를 들면, 교통 정보 생성 장치(200)가 복수의 촬영 장치(100)와 연결된 경우에는 운영 장치의 디스플레이 화면에 여러 카메라 채널을 분할하여 표시할 수 있어, 사용자(예를 들면, 관제 요원)이 여러 지역에 설치된 카메라 촬영 영상을 모니터링할 수 있다.

이처럼, 본 문서에 개시된 일 실시예에 따른 교통 정보 생성 장치(200)는 촬영 장치(100)로부터 획득한 영상을 통해 교통 정보를 검출하고, 이를 이용하여 관심 영역의 교통 정보에 관한 학습을 수행함으로써, 수요 교통량 등 신호 제어를 위한 교통 정보의 산출시에 정확도를 향상시킬 수 있다.

이러한 교통 정보 생성 장치(200)의 구성 및 동작에 대하여는 이하에서 더욱 구체적으로 설명한다.

도 2는 본 문서에 개시된 일 실시예에 따른 관심 영역을 촬영하여 획득된 영상을 보여주는 도면이다.

도 2를 참조하면, 본 문서에 개시된 일 실시예에 따른 교통 정보 생성 장치(200)는 촬영 장치(100)로부터 획득된 영상에 교통 정보(예를 들면, 차량의 통행량, 보행자 수 등)를 획득하고자 하는 영역을 관심 영역(I)으로 설정할 수 있다. 또는, 촬영 장치(100)가 촬영된 영상에 관심 영역(I)을 설정한 후, 해당 영상을 교통 정보 생성 장치(200)로 전송하도록 구성될 수도 있다.

본 문서에 개시된 일 실시예에 따른 교통 정보 생성 장치(200)는 설정된 관심 영역(I) 중 영상 분석을 통해 교통 정보의 검출이 가능한 영역을 제1 영역(A1)으로 설정하고, 영상 분석을 통해 교통 정보의 검출이 불가능한 원거리 영역을 제2 영역(A2)으로 설정할 수 있다. 예를 들어, 교통 정보의 검출이 불가능한 원거리 영역은 관심 영역 내에서 차량 등 객체의 검출이 불가능한 영역일 수 있다. 이 때, 제1 영역(A1)과 제2 영역(A2)은 도로 상에서 실제로 동일한 거리(예를 들면, 100m 내지 200m)를 갖는 영역일 수 있다. 하지만, 도 2에 나타낸 바와 같이, 촬영 영상의 원근감에 의해, 촬영 장치(100)에 가까운 제1 영역(A1)의 크기는 제2 영역(A2)보다 크게 설정될 수 있다.

교통 정보 생성 장치(200)는 관심 영역(I)으로부터 검출되는 교통 정보에 기초하여 학습 데이터를 생성할 수 있다. 예를 들어, 교통 정보 생성 장치(200)는 영상 분석으로 교통 정보의 검출이 어려운 제2 영역(A2)의 분석을 위해 딥 러닝(deep learning)을 통해 학습을 수행할 수 있다. 구체적으로, 교통 정보 생성 장치(200)는 특정 시점에 획득된 영상을 분석하여 제1 영역(A1)의 교통 정보를 검출하고, 검출된 교통 정보를 상기 특정 시점보다 이전 시점에 획득된 영상의 제2 영역(A2)에 관한 교통 정보로 반영하여 학습 데이터를 생성할 수 있다. 예를 들면, 교통 정보 생성 장치(200)는 촬영 장치(100)에서 획득한 관심 영역(I)의 촬영 영상을 통해 제1 영역(A1)에 포함된 객체(Ob)들의 통행량이나 점유율 등을 검출하고, 이를 제2 영역(A2)의 객체의 통행량이나 점유율 등을 산출하기 위한 학습 데이터로 활용할 수 있다.

도 3은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템의 구성을 나타내는 블록도이다.

도 3을 참조하면, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템(10)은 촬영 장치(100)와 교통 정보 생성 장치(200)를 포함할 수 있다. 또한, 교통 정보 분석 시스템(10)은 운영 장치(미도시)를 추가로 포함할 수 있다.

먼저, 본 문서에 개시된 일 실시예에 따른 촬영 장치(100)는 촬영부(110) 및 객체 검출 센서부(120)를 포함할 수 있다.

촬영부(110)는 관심 영역을 촬영할 수 있다. 이 경우, 촬영부(110)는 관심 영역에 포함된 객체(예를 들면, 도로, 차량, 보행자)를 촬영할 수 있다. 또한, 촬영부(110)는 복수의 시점에 촬영된 관심 영역의 영상을 교통 정보 생성 장치(200)의 영상 획득부(210)로 전송할 수 있다. 예를 들면, 촬영부(110)는 카메라를 포함할 수 있다.

객체 검출 센서부(120)는 객체를 검출 및 식별하고, 객체의 위치, 거리, 속도 등을 측정할 수 있다. 또한, 객체 검출 센서부(120)에서 측정된 정보는 교통 정보 생성 장치(200)로 전송될 수 있다. 교통 정보 생성 장치(200)의 학습 데이터 관리부(220)와 데이터 처리부(230)는 객체 검출 센서부(120)에서 측정된 객체의 위치, 거리, 속도 등의 정보를 이용하여 객체를 검출 및 추적함으로써 객체의 이동 시간이나 속도 등을 산출할 수 있다. 예를 들면, 객체 검출 센서부(120)는 레이더, 라이다, 레이저 등을 포함할 수 있다.

촬영부(110)와 객체 검출 센서부(120)는 도 3의 촬영 장치(100) 내에 하나로 통합된 구성이거나, 별도의 구성일 수 있다. 촬영부(110)와 객체 검출 센서부(120)는 동시에 또는 각각 이용될 수 있다. 예를 들어, 교통 정보 분석 시스템(10)은 촬영부(110)를 통해 영상을 획득하고, 데이터 처리부(230)를 통해 획득된 영상을 분석함으로써 객체의 교통 정보를 획득할 수 있다. 교통 정보는, 예를 들어, 객체의 수, 이동 속도, 이동 방향, 이동 거리, 통행량, 대기 길이, 점유율 등을 포함할 수 있다.

뿐만 아니라, 데이터 처리부(230)는 획득된 영상을 분석함으로써 객체의 식별 정보를 획득할 수 있다. 식별 정보는 객체의 형태, 색상, 크기 등을 포함할 수 있다. 예를 들어, 객체가 차량인 경우 식별 정보는 차량의 종류, 색상, 크기, 주행 차로, 또는 번호판을 적어도 하나 이상 포함할 수 있다. 이 경우, 교통 정보 분석 시스템(10)은 실시예에 따라 객체 검출 센서부(120)를 포함하지 않을 수 있다.

다른 예를 들어, 교통 정보 분석 시스템(10)은 객체 검출 센서부(120)를 통해 객체의 이동 위치, 거리, 방향, 또는 속도 중 적어도 하나를 보다 정확하게 검출할 수 있다. 이 경우, 교통 정보 분석 시스템(10)은 객체 검출 센서부(120)를 우선적으로 사용하고, 촬영부(110)를 보조적인 수단으로 이용할 수 있다.

한편, 본 문서에 개시된 일 실시예에 따른 교통 정보 생성 장치(200)는 영상 획득부(210), 학습 데이터 관리부(220) 및 데이터 처리부(230)를 포함할 수 있다.

영상 획득부(210)는 복수의 시점에 관심 영역을 촬영한 영상을 획득할 수 있다. 예를 들어, 영상 획득부(210)는 촬영부(110)에서 촬영된 영상을 실시간 또는 일정 주기로 수신할 수 있다.

학습 데이터 관리부(220)는 복수의 시점 중 적어도 하나의 시점에 촬영된 영상에서 검출한 교통 정보를 상기 적어도 하나의 시점과 상이한 시점에 관심 영역을 촬영하여 획득된 영상에 반영하여 교통 정보 관리를 위한 학습 데이터를 생성할 수 있다. 구체적으로, 학습 데이터 관리부(220)는 영상 분석을 통해 교통 정보의 검출이 가능한 제1 영역에 대해 제1 시점에 획득된 교통 정보를 상기 제1 시점과는 상이한 제2 시점에 획득된 영상에 반영하여 제2 영역의 교통 정보에 관한 학습 데이터를 생성할 수 있다. 예를 들면, 영상을 통해 획득되는 교통 정보는 객체의 통행량, 점유율 등을 포함할 수 있다.

데이터 처리부(230)는 영상을 통해 획득된 교통 정보와 학습 데이터를 통해 획득된 교통 정보에 기초하여, 관심 영역의 교통 정보를 분석할 수 있다. 구체적으로, 데이터 처리부(230)는 관심 영역의 교통 정보를 분석하는 경우, 제1 영역에 대해서는 영상 분석을 통해 교통 정보를 검출하고, 제2 영역에 대해서는 학습 데이터 관리부(220)에서 생성된 학습 데이터를 통해 교통 정보를 검출할 수 있다. 예를 들어, 데이터 처리부(230)는 영상 분석을 통해 제1 영역의 객체(예를 들면, 차량)의 통행량을 검출하고, 학습 데이터에 기초하여 제2 영역의 객체의 통행량을 산출한 후, 제1, 2 영역의 객체의 통행량을 합산함으로써 관심 영역에서의 객체의 통행량(즉, 수요 교통량)을 산출할 수 있다.

이처럼, 데이터 처리부(230)는 관심 영역에 대한 교통 정보를 분석하고, 교통 정보의 분석 결과에 기초하여 신호 제어부(예를 들면, 도 11의 신호 제어부(511))로 하여금 신호등(예를 들면, 도 11의 신호등 표시부(512))의 신호 주기와 현시 길이 등을 제어하도록 할 수 있다. 예를 들어, 데이터 처리부(230)에서 관심 영역의 객체의 통행량을 산출하는 경우, 데이터 처리부(230)는 산출된 객체의 통행량에 따라 신호등의 신호 주기와 현시 길이를 적절하게 조절하도록 하는 명령 신호를 신호 제어부(511)로 전송할 수 있다.

도 4는 본 문서에 개시된 일 실시예에 따른 학습 데이터 관리부의 구성을 나타내는 블록도이다.

도 4를 참조하면, 본 문서에 개시된 일 실시예에 따른 학습 데이터 관리부(220)는 교통 정보 검출부(221) 및 학습부(222)를 포함할 수 있다. 여기서, 학습 데이터 관리부(220)는 도 3의 학습 데이터 관리부(220)와 동일한 구성일 수 있다.

교통 정보 검출부(221)는 복수의 시점에 관심 영역을 촬영하여 획득된 영상들 중 적어도 하나의 시점에 획득된 영상에서 교통 정보를 검출할 수 있다. 이 때, 교통 정보 검출부(221)는 촬영부(110)에 의해 관심 영역을 촬영하여 획득된 영상에서 제1 영역과 제2 영역을 설정하고, 영상을 통해 제1 영역에 대한 교통 정보를 검출할 수 있다. 여기서, 제1 영역은 영상 분석으로 교통 정보의 검출이 가능한 영역이고, 제2 영역은 영상 분석에 의해 교통 정보의 검출이 불가능한 원거리 영역일 수 있다. 또한, 교통 정보는 관심 영역에서의 객체의 통행량이나 점유율 등을 포함할 수 있다. 또한, 영상 분석에 의한 교통 정보의 검출 가능/불가능 영역의 구분은 영상 분석을 통해 객체 인식이 가능한 영역을 기준으로 구분될 수 있다.

학습부(222)는 복수의 시점 중 적어도 하나의 시점에 교통 정보 검출부(221)를 통해 영상에서 검출한 교통 정보를 상기 적어도 하나의 시점과는 상이한 시점에 관심 영역을 촬영하여 획득된 영상에 반영하여 교통 정보 관리를 위한 학습 데이터를 생성할 수 있다. 예를 들어, 학습부(222)는 제1 시점에 획득한 제1 영역의 교통 정보를, 제1 시점으로부터 일정 시간 이전인 제2 시점에 관심 영역을 촬영하여 획득된 영상의 제2 영역에 대응하는 교통 정보로 반영하여 제2 영역의 교통 정보 관리를 위한 학습 데이터를 생성할 수 있다.

여기서, 일정 시간이란 임의의 객체가 제1 영역을 진입하여 진출하는 데까지 소요된 이동 시간일 수 있다. 예를 들어, 일정 시간은 특정 시점에 제2 영역에 존재하는 객체들이 모두 제1 영역으로 이동하는 데까지 소요된 이동 시간일 수 있다. 이 때, 이동 시간은 임의의 객체의 제1 영역에서의 평균 속도나 제1 영역에 관하여 기설정된 속도(예를 들어, 도로의 규정 속도) 등에 기초하여 산출될 수 있다. 또한, 임의의 객체가 복수인 경우, 이동 시간은 복수의 객체들의 제1 영역에서의 평균 이동 시간으로 산출될 수 있다.

구체적으로, 학습부(222)는 특정 시점(제1 시점)에서 제1 영역에서의 객체(예를 들면, 차량)의 속도와 이동 거리를 이용하여 제1 영역에 진입하여 진출한 객체의 (평균) 이동 시간을 산출할 수 있다. 그리고, 학습부(222)는 제1 영역에 진입한 객체의 진출 시점에 제1 영역의 객체를 검출하여 통행량(또는 점유율)을 산출할 수 있다. 다음으로, 학습부(222)는 제1 영역에 진입한 객체가 제1 영역으로부터 진출한 시점으로부터 앞서 산출된 (평균) 이동 시간 이전에 해당하는 시점(제2 시점)에서의 제2 영역의 영상을 영상 획득부(210)로부터 획득하고, 획득된 제2 영역의 영상에 제1 시점에 대해 산출된 제1 영역의 객체의 통행량을 레이블링할 수 있다. 이러한 학습부(222)의 구체적인 학습 방법에 관해서는 도 5에서 후술한다.

이처럼, 본 문서에 개시된 일 실시예에 따른 학습 데이터 관리부(220)는 영상을 통해 객체 검출이 가능한 제1 영역에서 자동 계수된 정보를 이용하여 영상에서 객체 검출이 불가능한 원거리 지점인 제2 영역의 객체를 산출하여 학습하도록 함으로써 관심 영역에서의 객체 검출시 신뢰도를 확보할 수 있다.

또한, 학습부(222)는 관심 영역에서의 객체의 통행량을 수량을 기준으로 복수의 구간으로 구분하여 학습 데이터를 생성할 수 있다. 예를 들면, 학습부(222)는 관심 영역 중 제2 영역의 딥 러닝으로 해석하여 제2 영역의 통행량이나 점유율을 수량을 기준으로 단계별로 패턴화하여 분류할 수 있다. 이에 관해서는 도 6에서 상세하게 후술한다.

이와 같이, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 시스템(10)은 수요 교통량을 산술적으로 계산하여 예측한 값이 아닌 영상 검지 기반의 실측값으로 획득함으로써 수요 교통량을 정확하게 분석할 수 있는 효과가 있다.

또한, 영상을 통해 교통 정보의 검출이 불가능한 원거리 영역의 교통량까지 측정할 수 있어 수요 교통량의 신뢰도를 향상시킬 수 있는 효과가 있다.

또한, 정확하고 신뢰성 있는 수요 교통량을 제공할 수 있어 최적의 신호 제어 환경을 구축할 수 있는 효과가 있다.

도 5는 본 문서에 개시된 일 실시예에 따른 학습 데이터를 생성하는 동작을 설명하기 위한 도면이다.

도 5를 참조하면, 본 문서에 개시된 일 실시예에 따른 교통 정보 검출부(221)는 먼저 촬영부(110)에 의해 획득된 영상에 기초하여 교통 정보의 검출이 가능한 영역을 제1 영역(A1)으로 설정하고, 영상으로 교통 정보의 검출이 불가능한 영역을 제2 영역(A2)으로 설정할 수 있다. 한편, 제1 영역(A1)과 제2 영역(A2)의 설정 기능은 데이터 처리부(230)에 의해서도 수행될 수 있다.

도 5의 (a)를 참조하면, 본 문서에 개시된 일 실시예에 따른 교통 정보 검출부(221)는 획득된 영상에서 관심 영역의 객체 중 제1 영역(A1)에 진입하는 임의의 객체(Ob1)를 검출할 수 있다. 또한, 교통 정보 검출부(221)는 도 5의 (b)에 나타낸 것과 같이, 제1 영역(A1)에 진입한 객체(Ob1)가 제1 영역(A1)을 빠져나가는 것을 검출할 수 있다. 예를 들면, 교통 정보 검출부(221)는 촬영부(110)에 의해 획득된 영상이나 객체 검출 센서부(120)의 레이더에 의해 측정된 객체 정보(예를 들면, 객체의 위치, 거리 등)에 기초하여 객체(Ob1)가 제1 영역(A1)을 빠져나가는 것을 검출할 수 있다.

또한, 교통 정보 검출부(221)는 제1 영역(A1)에서의 객체(Ob1)의 속도와 제1 영역(A1)의 거리(즉, 객체(Ob1)의 이동 거리)에 기초하여 객체(Ob1)가 제1 영역(A1)에 진입하여 진출하는 동안의 이동 시간을 산출할 수 있다. 예를 들어, 객체(Ob1)의 속도는 객체(Ob1)의 평균 속도나 관심 영역에서의 도로 지정 속도에 기반하여 산출될 수 있다. 만약, 객체(Ob1)가 복수인 경우, 복수의 객체(Ob1)의 평균 이동 시간을 산출할 수 있다.

다음으로, 교통 정보 검출부(221)는 객체(Ob1)가 제1 영역(A1)을 빠져나가는 시점에 제1 영역(A1)에 포함된 객체(Ob2)를 검출할 수 있다. 즉, 교통 정보 검출부(221)는, 도 5의 (b)에 나타낸 것과 같이, 객체(Ob1)가 제1 영역(A1)으로부터 진출하는 시점에 제1 영역을 지나는 객체(Ob2)의 통행량(또는 점유율)을 검출할 수 있다.

도 5의 (c)를 참조하면, 도 5의 (b)의 시점으로부터 객체(Ob1)의 이동 시간만큼 이전에 해당하는 시점을 나타내고 있다. 이 때, 교통 정보 검출부(221)는 도 5의 (b)에서 산출한 제1 영역(A1)의 객체(Ob2)의 통행량을 도 5의 (c)의 시점에 획득된 영상에 반영하여, 도 5의 (c)의 시점에 제2 영역(A2)에 위치한 객체(Ob2)의 통행량으로 학습시킬 수 있다. 즉, 교통 정보 검출부(221)는 도 5의 (b) 시점에서 제1 영역(A1)에 대해 검출한 객체(Ob2)의 통행량 정보를 도 5의 (c) 시점에서 획득된 영상에서 제2 영역(A2)에 포함된 객체(Ob2)의 통행량으로 레이블링하여 학습 데이터를 생성할 수 있다.

이처럼, 본 문서에 개시된 일 실시예에 따른 교통 정보 검출부(221)에서는 제1 영역(A1)에 진입하여 진출하는 객체(Ob1)의 이동 시간과, 객체(Ob1)가 제1 영역(A1)으로부터 빠져나가는 시점의 제1 영역(A1)의 객체(Ob2)에 관한 교통 정보(예를 들어, 객체의 통행량 또는 점유율)에 기초하여 객체(Ob2)가 제2 영역(A2)에 위치하는 시점에서의 영상에 대한 교통 정보를 학습시킴으로써, 영상을 통해 교통 정보의 검출이 불가능한 제2 영역(A2)에 관하여 교통 정보를 보다 정확하게 검출할 수 있다.

한편, 도 5에서는 객체(Ob1)가 한 대의 차량인 경우로 설명하였으나, 본 문서에 개시된 교통 정보 분석 시스템(10)이 이에 제한되는 것은 아니다. 즉, 교통 정보 검출부(221)는 복수의 객체에 대하여 이동 시간을 산출하고, 이에 기초하여 학습 데이터를 생성할 수 있다. 예를 들면, 객체가 복수의 차량인 경우, 교통 정보 검출부(221)는 복수의 객체가 제1 영역(A1)에 진입하여 진출하는 평균 이동 시간을 산출하고, 복수의 객체가 제1 영역(A1)으로부터 진출하는 시점(제1 시점)에 제1 영역(A1)의 객체의 통행량을 검출할 수 있다. 또한, 교통 정보 검출부(221)는 상기 제1 시점에서의 제1 영역(A1)의 객체의 통행량 정보를, 복수의 객체가 제1 영역(A1)으로부터 진출하는 시점(제1 시점)으로부터 복수의 객체의 평균 이동 시간만큼 이전 시점(제2 시점)의 제2 영역에 대한 영상에 반영하여 제2 영역에서의 통행량으로 레이블링함으로써 학습을 수행할 수 있다.

또한, 본 문서에 개시된 다른 실시예에 따른 교통 정보 검출부(221)는 객체(Ob1)의 이동 시간을 산출하는 대신, 객체(Ob1)가 제1 영역(A1)에 진입한 시간(t1)과 제1 영역(A1)으로부터 진출한 시간(t2)을 측정하고, 객체(Ob1)의 진출 시점(t2)에 제1 영역(A1)에서의 객체(Ob2)의 통행량 정보를, 객체(Ob1)의 진입 시점(t1)에 획득된 영상에서의 제2 영역(A2)의 객체(Ob2)의 통행량에 반영하여 학습을 수행할 수도 있다. 이 경우, 객체(Ob1)의 진입 시간과 진출 시간만 측정하면 되므로, 객체(Ob1)의 이동 시간을 산출하는 경우에 비해 계산 절차를 보다 간소화할 수 있을 것이다.

도 6는 본 문서에 개시된 일 실시예에 따른 학습 데이터를 생성하는 방법을 예시적으로 설명하기 위한 도면이다.

도 6를 참조하면, 본 문서에 개시된 일 실시예에 학습부(222)는 관심 영역을 촬영하여 획득된 영상에서 제2 영역(예를 들어, 교통 정보의 검출이 불가능한 영역)의 교통 정보를 학습시키는 경우에 관하여 나타내고 있다. 여기서는 제2 영역의 교통 정보가 제2 영역에서의 객체(차량)의 통행량인 것으로 설명한다.

통상적으로, 영상을 통해 객체의 검출이 불가능한 원거리 구간인 제2 영역의 경우, 객체 간의 겹침이나 구조물 등에 의한 가림 현상 등으로 인해 객체를 각각 분리하여 인식할 수 없는 경우가 발생할 수 있다. 따라서, 본 문서에 개시된 일 실시예에 따른 학습부(222)는 우선적으로 관심 영역 중 제2 영역의 영상을 딥 러닝으로 분석하여 도 6에 나타낸 것과 같이 객체의 통행량(또는 점유율)을 단계 별로 패턴화된 수치로 환산할 수 있다.

이처럼, 본 문서에 개시된 일 실시예에 따른 학습부(222)에서는 제2 영역의 이미지에 대해 산출된 객체의 통행량을 수량을 기준으로 하는 복수의 구간으로 구분하여 산출할 수 있다. 예를 들면, 제2 영역에 위치한 차량에 있어서, 1-30대를 1단계, 30-60대를 2단계 등으로 구간을 나누어 학습을 수행할 수 있다.

그러나, 이러한 방법에 의하면, 현장별 기하 구조의 복잡성 등 여러 요인으로 인해 일관된 값이 산출될 수 없는 문제가 발생할 수 있다. 따라서, 본 문서에 개시된 일 실시예에 따른 학습부(222)는 학습시 각 단계에 대한 판정의 정확도를 확보하기 위하여, 특정 시점(제1 시점)에 객체 검출이 가능한 제1 영역에서 자동 계수된 값(즉, 영상을 통해 제1 영역에 대해 검출한 객체의 통행량 또는 점유율)을 이용하여, 상기 특정 시점으로부터 일정 시간(예를 들어, 제1 영역에 진입하여 진출하는 임의의 객체의 평균 이동 시간) 이전 시점(제2 시점)에서의 제2 영역에 대한 객체의 통행량 산출 단계에 적용하여 강화 학습을 진행함으로써, 학습 시 정확도에 대한 검증을 수행할 수 있다.

도 7은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법을 나타내는 흐름도이다.

도 7을 참조하면, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 먼저 복수의 시점에 관심 영역을 촬영한 영상을 획득할 수 있다(S110). 이 때, 관심 영역의 영상은 도 1의 촬영 장치(100)에 의해 촬영되어, 실시간 또는 일정 주기로 획득될 수 있다.

또한, 복수의 시점 중 적어도 하나의 시점에 획득한 영상에서 검출한 교통 정보를, 상기 적어도 하나의 시점과 상이한 시점에 관심 영역을 촬영하여 획득된 영상에 반영하여 교통 정보 관리를 위한 학습 데이터를 생성할 수 있다(S120).

구체적으로, 단계 S120에서는 영상 분석을 통해 교통 정보의 검출이 가능한 제1 영역에 대해 제1 시점에 획득된 교통 정보를, 상기 제1 시점과는 상이한 제2 시점에 획득된 영상에 반영하여 제2 영역의 교통 정보에 관한 학습 데이터를 생성할 수 있다. 예를 들면, 영상을 통해 획득되는 교통 정보는 객체의 통행량, 점유율 등을 포함할 수 있다.

다음으로, 영상을 통해 획득된 교통 정보와 학습 데이터를 통해 획득된 교통 정보에 기초하여 관심 영역의 교통 정보를 분석할 수 있다(S130). 구체적으로, 관심 영역의 교통 정보를 분석하고자 하는 경우, 제1 영역에 대해서는 영상 분석을 통해 교통 정보를 검출하고, 제2 영역에 대해서는 단계 S120에서 생성된 학습 데이터를 통해 교통 정보를 검출할 수 있다. 예를 들어, 단계 S130에서는 영상 분석을 통해 제1 영역의 객체(예를 들면, 차량)의 통행량을 검출하고, 학습 데이터에 기초하여 제2 영역의 객체의 통행량을 산출한 후, 제1, 2 영역의 객체의 통행량을 합산하여 관심 영역의 객체의 통행량을 산출할 수 있다.

이처럼, 단계 S130에서 관심 영역에 대한 교통 정보를 분석하고 나면, 교통 정보의 분석 결과에 기초하여 신호 제어부로 하여금 신호등의 신호를 제어하도록 할 수 있다. 예를 들어, 단계 S130에서 관심 영역의 객체의 통행량을 산출하는 경우, 산출된 객체의 통행량에 따라 신호 제어부에서 신호등의 신호 주기와 현시 길이를 적절하게 조절할 수 있다.

도 8은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법의 학습 데이터 관리 방법을 나타내는 흐름도이다.

즉, 도 8은 도 7의 단계 S120에서 학습 데이터를 생성하는 방법을 구체적으로 설명한다. 도 8을 참조하면, 본 문서에 개시된 일 실시예에 따른 학습 데이터 관리 방법은 먼저, 관심 영역을 촬영하여 획득된 영상에서 제1 영역과 제2 영역을 설정할 수 있다(S121). 또한, 복수의 시점 중 제1 시점에 관심 영역을 촬영하여 획득된 영상에서 제1 영역의 교통 정보를 검출할 수 있다(S122). 여기서, 제1 영역은 영상 분석을 통해 교통 정보의 검출이 가능한 영역이고, 제2 영역은 영상 분석에 의해 교통 정보의 검출이 불가능한 원거리 영역일 수 있다. 또한, 교통 정보는 관심 영역에서의 객체의 통행량, 점유율 등을 포함할 수 있다.

다음으로, 제1 시점에 획득한 제1 영역의 교통 정보를 제2 시점에 관심 영역을 촬영하여 획득된 영상의 제2 영역에 대응하는 교통 정보로 레이블링하여 학습 데이터를 생성할 수 있다(S123). 예를 들어, 단계 S123에서는 제1 시점에 획득한 제1 영역의 객체의 통행량을 제1 시점으로부터 일정 시간 이전인 제2 시점에 관심 영역을 촬영하여 획득된 제2 영상의 제2 영역에 대응하는 객체의 통행량으로 레이블링하여 제2 영역의 교통 정보 관리를 위한 학습 데이터를 생성할 수 있다.

여기서, 일정 시간이란 임의의 객체가 제1 영역을 진입하여 진출하는 데까지 소요된 이동 시간일 수 있다. 또한, 이동 시간은 임의의 객체의 제1 영역에서의 평균 속도나 제1 영역에 관하여 기설정된 속도(예를 들어, 도로의 지정 속도) 등에 기초하여 산출될 수 있다. 또한, 이동 시간은 임의의 객체가 복수인 경우, 복수의 객체들의 제1 영역에서의 평균 이동 시간일 수 있다.

구체적으로, 단계 S123에서는 특정 시점(제1 시점)에서 제1 영역에서의 객체(예를 들면, 차량)의 속도와 이동 거리를 이용하여 제1 영역에 진입하여 진출한 객체의 (평균) 이동 시간을 산출할 수 있다. 또한, 제1 영역에 진입한 객체의 진출 시점에 제1 영역의 객체를 검출하여 통행량(또는 점유율)을 산출할 수 있다. 다음으로, 제1 영역에 진입하여 진출한 객체의 제1 영역에 대한 진출 시점으로부터 (평균) 이동 시간 이전에 해당하는 시점(제2 시점)에 제2 영역의 영상(예를 들어, 프레임 또는 이미지)을 획득하고, 획득된 제2 영역의 영상에 산출된 제1 영역의 객체의 통행량을 레이블링할 수 있다.

이처럼, 본 문서에 개시된 일 실시예에 따른 학습 데이터 관리 방법은 영상을 통해 객체 검출이 가능한 제1 영역에서 자동 계수된 정보를 이용하여 영상에서 객체 검출이 불가능한 원거리 지점인 제2 영역의 객체를 산출하여 학습함으로써 관심 영역의 객체 검출시 신뢰도를 확보할 수 있다.

한편, 도 8에는 나타내지 않았으나, 본 문서에 개시된 일 실시예에 따른 학습 데이터 관리 방법은 관심 영역에서의 객체의 통행량을 수량을 기준으로 하는 복수의 구간으로 구분하여 학습 데이터를 생성할 수 있다. 예를 들면, 관심 영역 중 특히 제2 영역의 영상을 앞서 설명한 방법에 따라 딥 러닝으로 해석하여 제2 영역의 점유율을 단계별로 패턴화하여 분류할 수 있다. 이에 관해서는 도 6에서 설명하였으므로, 자세한 설명은 생략한다.

이와 같이, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 수요 교통량을 산술적으로 계산하여 예측한 값이 아닌 영상 검지 기반의 실측값으로 획득함으로써 수요 교통량의 정확도를 향상시킬 수 있는 효과가 있다.

또한, 영상을 통해 교통 정보의 검출이 불가능한 원거리 영역의 교통량까지 측정할 수 있어 수요 교통량의 신뢰도를 향상시킬 수 있는 효과가 있다.

또한, 정확하고 신뢰성 있는 수요 교통량을 제공할 수 있어 최적의 신호 제어 환경을 구축할 수 있는 효과가 있다.

도 9는 본 문서에 개시된 일 실시예에 따라 다양한 객체를 감지하는 교통 정보 분석 시스템의 동작을 설명하기 위한 도면이다. 또한, 도 10은 본 문서에 개시된 일 실시예에 따라 감지된 객체를 이용하여 다양한 기능을 수행하는 교통 정보 분석 시스템의 동작을 설명한다.

도 9를 참조하면, 교통 정보 분석 시스템(300)은 도 3의 교통 정보 분석 시스템(10)과 동일하거나 유사한 구성을 포함하고, 도 3의 교통 정보 분석 시스템(10)과 동일하거나 유사한 기능을 수행할 수 있다. 교통 정보 분석 시스템(300)은 촬영부(예를 들면, 도 1의 촬영부(110))를 이용하여 영상을 촬영하고, 데이터 처리부(예를 들면, 도 3의 데이터 처리부(230))를 이용하여 촬영된 영상에 따라 다양한 객체를 다양한 개수만큼 감지 및 분석할 수 있다.

일 실시예에서, 데이터 처리부(230)는 차량뿐만 아니라 보행자를 인식할 수 있다. 이 경우, 데이터 처리부(230)는 촬영된 영상을 분석함으로써 차량과 보행자를 구분할 수 있다.

일 실시예에서, 데이터 처리부(230)는 보행자의 수, 보행 속도, 또는 보행 방향과 같은 보행자의 통행 정보를 획득할 수 있다. 또한, 데이터 처리부(230)는 보행자의 외형과 같은 식별 정보를 획득할 수 있다. 데이터 처리부(230)는 획득된 보행자의 통행 정보 또는 식별 정보를 분석함으로써 불법으로 차도를 건너는 보행자를 감지하거나 또는 방범 기능을 수행할 수 있다.

일 실시예에서, 데이터 처리부(230)는 차량의 종류, 색상, 크기, 주행 차로, 또는 번호판과 같은 차량의 식별 정보를 획득할 수 있다. 교통 정보 분석 시스템(300)은 획득된 차량의 식별 정보를 통해 교통 정보 분석 시스템(300)이 위치한 지역(예를 들면, 교차로, 골목, 또는 고속도로)의 교통 상황을 분석할 수 있다. 교통 상황은, 예를 들어, 통행 정보, 위반 정보, 또는 생활 방범 정보 중 적어도 하나를 포함할 수 있다. 통행 정보는 차량의 수, 이동 속도, 이동 방향, 이동 거리, 통행량, 대기 길이, 또는 점유율 중 적어도 하나를 포함할 수 있다. 위반 정보는 차량의 속도 위반, 신호 위반, 역주행, 주행 차로 위반, 차선 위반, 정지선 위반, 또는 불법 주정차 위반 중 적어도 하나에 대한 검출 결과를 포함할 수 있다. 교통 정보 분석 시스템(300)은 분석된 교통 상황에 기반하여 신호를 제어하거나 다른 경로를 차량에게 전달할 수 있다.

일 실시예에서, 교통 정보 분석 시스템(300)의 학습 데이터 관리부(220)와 데이터 처리부(230)는 딥 러닝 또는 머신 러닝(machine learning)과 같은 인공 지능(artificial intelligence, AI) 기반 알고리즘을 적용함으로써 차량의 정보를 획득하고 교통 상황을 분석할 수 있다.

도 10을 참조하면, 교통 정보 분석 시스템(400)은 도 9의 교통 정보 분석 시스템(300)과 동일하거나 유사한 구성을 포함하고, 도 9의 교통 정보 분석 시스템(300)과 동일하거나 유사한 기능을 수행할 수 있다. 교통 정보 분석 시스템(400)의 데이터 처리부(예를 들면, 도 3의 데이터 처리부(230))는 촬영부(예를 들면, 도 3의 촬영부(110))를 이용하여 복수의 기능을 동시에 수행할 수 있다. 예를 들어, 데이터 처리부(230)는 촬영부(110)에 의해 획득된 영상에 기초하여 차량(410)의 속도를 측정하거나, 지정된 영역(예를 들면, 어린이 보호 구역 또는 노인 보호 구역)에서 차량의 속도를 산출하거나, 또는 방범 기능을 수행할 수 있다.

다른 예를 들어, 데이터 처리부(230)는 불법 주정차 구역(425)에 정차된 차량(420)을 감지 및 단속할 수 있다. 예를 들어, 불법 주정차 구역(425)에 정차된 차량(420)이 지정된 시간(예를 들면, 10분) 동안 지정된 횟수(예를 들면, 2회) 이상 감지되면, 데이터 처리부(230)는 해당 차량(420)이 불법주정차를 한 것으로 결정할 수 있다.

도 11은 본 문서에 개시된 일 실시예에 따른 운영 장치를 포함하는 교통 정보 분석 시스템의 블록도이다.

도 11을 참조하면, 교통 정보 분석 시스템(500)은 네트워크(520)를 통해 연결되는 적어도 하나의 교통 정보 분석 시스템 유닛(예를 들면, 510-1, 510-2, 510-3)과 운영 장치(530)를 포함할 수 있다. 여기서, 교통 정보 분석 시스템 유닛(510-1, 510-2, 510-3)은 도 3의 교통 정보 분석 시스템(10)의 촬영부(110), 객체 검출 센서부(120), 영상 획득부(210), 학습 데이터 관리부(220) 및 데이터 처리부(230) 외에, 추가로 신호 제어부(511), 신호등 표시부(512) 및 통신 인터페이스(513)를 더 포함할 수 있다.

여기서, 신호 제어부(511)는 신호등 표시부(512)를 통해 표시되는 신호를 할당 및 제어할 수 있다. 예를 들어, 신호 제어부(511)는 데이터 처리부(230)의 요청에 응답하여 교통 신호를 신호등 표시부(512)에 할당하고, 교통 신호 출력 시간을 설정할 수 있다. 이 경우, 데이터 처리부(230)는 관심 영역에 대한 교통 정보를 분석하고, 교통 정보의 분석 결과에 기초하여 신호 제어부(511)로 하여금 신호등 표시부(512)의 신호 주기와 현시 길이 등을 제어하도록 할 수 있다. 예를 들어, 데이터 처리부(230)에서 관심 영역의 객체의 통행량을 산출하는 경우, 데이터 처리부(230)는 산출된 객체의 통행량에 따라 신호등의 신호 주기와 현시 길이를 적절하게 조절하도록 하는 명령 신호를 신호 제어부(511)로 전송할 수 있다.

예를 들어, 교통 정보 분석 시스템 유닛(510-1)은 특정 지역(예를 들면, 교차로, 골목, 또는 고속도로) 단위로 설치될 수 있다. 교통 정보 분석 시스템 유닛(510-1)은 운영 장치(530)와 통신할 수 있는 통신 인터페이스(513)를 포함할 수 있다. 통신 인터페이스(513)는 유선 또는 무선 중 적어도 하나를 포함할 수 있다. 운영 장치(530)는 지방 자치 단체, 도로 공사, 시설 공단, 또는 경찰청에서 운영하는 관제 센터 등에 설치될 수 있다. 운영 장치(530)는 교통 정보 분석 시스템 유닛(510-1)으로부터 수신된 정보를 데이터 베이스(532)에 저장 및 관리하고, 저장된 정보를 이용하여 실시간으로 교통 상황을 관제할 수 있는 인터페이스를 포함할 수 있다. 또한, 운영 장치(530)는 교통 정보 분석 시스템 유닛(510-1)의 부족한 하드웨어 성능을 보완할 수 있다. 예를 들어, 운영 장치(530)의 데이터 처리부(531)는 교통 정보 분석 시스템 유닛(510-1)의 데이터 처리부(230) 보다 고성능의 영상 처리를 구현할 수 있는 하드웨어(예를 들면, GPU(graphic processing unit))를 포함할 수 있다. 데이터 처리부(531)는 교통 정보 분석 시스템 유닛(510-1)에서 수행되는 교통 상황(예를 들면, 통행 정보, 위반 정보, 또는 방범 정보) 분석을 포함하여 데이터 처리부(230)의 기능과 동일한 기능을 수행할 수 있다. 여기서, 방범 정보는 생활 방범 정보 및 교통 방범 정보를 포함할 수 있다. 이 경우, 교통 정보 분석 시스템 유닛(510-1)의 데이터 처리부(230)는 제거 또는 비활성화되는 것이 가능하다. 운영 장치(530)는 분석된 교통 상황에 기반하여 신호를 제어하거나 차량에게 다른 경로를 제공하도록 교통 정보 분석 시스템 유닛(510-1)에게 명령을 전달할 수 있다.

이상에서, 본 문서에 개시된 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 문서에 개시된 실시예들이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 문서에 개시된 실시예들의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.

또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 문서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이상의 설명은 본 문서에 개시된 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 문서에 개시된 실시예들의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 문서에 개시된 실시 예들은 본 문서에 개시된 실시예들의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 문서에 개시된 기술 사상의 범위가 한정되는 것은 아니다. 본 문서에 개시되 기술사상의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 문서의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (14)

1. 영상의 관심 영역에 제1 영역과 제2 영역을 설정하고, 제1 시점에 상기 제1 영역에서 교통 정보를 검출하는 데이터 처리부; 및
   상기 제1 시점으로부터 일정 시간 이전인 제2 시점에 상기 제2 영역에서 획득된 영상에 상기 교통 정보를 반영하여 학습 데이터를 생성하는 학습 데이터 관리부를 포함하고,
   상기 제1 영역은 상기 관심 영역 중 영상 분석을 통해 상기 교통 정보의 검출이 가능한 영역으로 설정되고, 상기 제2 영역은 상기 관심 영역 중 영상 분석을 통해 상기 교통 정보의 검출이 불가능한 영역으로 설정되는 교통 정보 분석 시스템.
2. 청구항 1에 있어서,
   상기 데이터 처리부는,
   상기 제1 영역에서 검출된 교통 정보와 상기 학습 데이터를 통해 획득된 제2 영역의 교통 정보에 기초하여, 상기 관심 영역의 교통 정보를 분석하는 교통 정보 분석 시스템.
3. 영상의 관심 영역에 제1 영역과 제2 영역을 설정하고, 제1 시점에 상기 제1 영역에서 교통 정보를 검출하는 데이터 처리부; 및
   상기 제1 시점으로부터 일정 시간 이전인 제2 시점에 상기 제2 영역에서 획득된 영상에 상기 교통 정보를 반영하여 학습 데이터를 생성하는 학습 데이터 관리부를 포함하고,
   상기 일정 시간은 특정 시점에 제2 영역에 존재하는 객체들이 모두 제1 영역으로 이동하는 데까지 소요된 이동 시간인 교통 정보 분석 시스템.
4. 청구항 3에 있어서,
   상기 이동 시간은 상기 제1 영역에서의 객체들의 평균 이동 속도 또는 기설정된 속도와, 이동 거리에 기초하여 산출되는 교통 정보 분석 시스템.
5. 삭제
6. 영상의 관심 영역에 제1 영역과 제2 영역을 설정하고, 제1 시점에 상기 제1 영역에서 교통 정보를 검출하는 데이터 처리부; 및
   상기 제1 시점으로부터 일정 시간 이전인 제2 시점에 상기 제2 영역에서 획득된 영상에 상기 교통 정보를 반영하여 학습 데이터를 생성하는 학습 데이터 관리부를 포함하고,
   상기 학습 데이터 관리부는 상기 교통 정보를 객체의 수량을 기준으로 복수의 구간으로 구분하여 상기 제2 영역에서 획득된 영상에 반영하는 교통 정보 분석 시스템.
7. 청구항 1에 있어서,
   상기 데이터 처리부는 객체의 식별정보를 획득하고, 통행정보, 위반정보, 또는 방범정보 중 적어도 하나를 분석하도록 설정된 교통 정보 분석 시스템.
8. 청구항 1 또는 7에 있어서,
   상기 데이터 처리부에 의하여 획득된 정보를 통해 교통 상황을 관제하도록 설정된 운영 장치를 더 포함하는 교통 정보 분석 시스템.
9. 청구항 1에 있어서,
   상기 교통 정보는 상기 관심 영역에서의 객체의 수, 통행량, 대기 길이, 점유율 중 적어도 하나를 포함하는 교통 정보 분석 시스템.
10. 청구항 1에 있어서,
    도로 영상을 촬영하도록 설정된 촬영부를 더 포함하는 교통 정보 분석 시스템.
11. 청구항 1 또는 10에 있어서,
    객체를 검출 및 추적하도록 설정된 레이더를 포함하는 객체 검출 센서부를 더 포함하는 교통 정보 분석 시스템.
12. 청구항 1에 있어서,
    교통 신호를 표시하도록 설정된 신호등 표시부를 더 포함하는 교통 정보 분석 시스템.
13. 청구항 12에 있어서,
    상기 신호등 표시부를 통해 표시되는 신호를 할당 및 제어하는 신호 제어부를 더 포함하는 교통 정보 분석 시스템.
14. 영상의 관심 영역에 제1 영역과 제2 영역을 설정하는 단계;
    제1 시점에 상기 제1 영역에서 교통 정보를 검출하는 단계; 및
    상기 제1 시점으로부터 일정 시간 이전인 제2 시점에 상기 제2 영역에서 획득된 영상에 상기 교통 정보를 반영하여 학습 데이터를 생성하는 단계를 포함하고,
    상기 제1 영역은 상기 관심 영역 중 영상 분석을 통해 상기 교통 정보의 검출이 가능한 영역으로 설정되고, 상기 제2 영역은 상기 관심 영역 중 영상 분석을 통해 상기 교통 정보의 검출이 불가능한 영역으로 설정되는 교통 정보 분석 방법.

Images